論文の概要: On numerical solutions of the time-dependent Schr\"odinger equation
- arxiv url: http://arxiv.org/abs/2306.00997v1
- Date: Tue, 30 May 2023 15:22:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-11 14:13:03.691137
- Title: On numerical solutions of the time-dependent Schr\"odinger equation
- Title(参考訳): 時間依存schr\"odinger方程式の数値解について
- Authors: Wytse van Dijk
- Abstract要約: Schr"odinger方程式の数値解を得るための明示的なアプローチを示す。
その明示的な性質から、アルゴリズムはより多くの空間次元を持つシステムに容易に拡張できる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We review an explicit approach to obtaining numerical solutions of the
Schr\"odinger equation that is conceptionally straightforward and capable of
significant accuracy and efficiency. The method and its efficacy are
illustrated with several examples. Because of its explicit nature, the
algorithm can be readily extended to systems with a higher number of spatial
dimensions. We show that the method also generalizes the staggered-time
approach of Visscher and allows for the accurate calculation of the real and
imaginary parts of the wave function separately.
- Abstract(参考訳): 我々は、概念的には単純で、精度と効率がかなり高いシュリンガー方程式の数値解を得るための明示的なアプローチをレビューする。
この方法とその効果をいくつかの例で示す。
その明示的な性質から、このアルゴリズムはより多くの空間次元を持つ系に容易に拡張することができる。
本手法は, visscher のスタッガー時間アプローチを一般化し, 波動関数の実部と虚部を別々に正確に計算できることを示す。
関連論文リスト
- Approximation Theory, Computing, and Deep Learning on the Wasserstein
Space [0.6445605125467574]
有限標本から無限次元空間における近似関数の挑戦について検討する。
我々の特に焦点はワッサーシュタイン距離関数(英語版)(Wasserstein distance function)に集中しており、これは関連する例である。
数値的な実装では,ニューラルネットワークをベース関数として適切に設計し,基礎関数として機能する。
論文 参考訳(メタデータ) (2023-10-30T13:59:47Z) - Parallel-in-Time Probabilistic Numerical ODE Solvers [30.788077484994176]
常微分方程式(ODE)の確率論的数値解法は、力学系の数値シミュレーションをベイズ状態推定の問題として扱う。
我々は,反復拡張カルマンスムーダの時間並列定式化に基づいて,並列時間確率数値ODEソルバを定式化する。
論文 参考訳(メタデータ) (2023-10-02T12:32:21Z) - Deep Stochastic Mechanics [18.880015124466514]
本稿では,時間発展するシュリンガー方程式の数値シミュレーションのための,ディープラーニングに基づく新しい手法を提案する。
本手法により,マルコフ拡散からサンプリングすることで,波動関数の潜時低次元構造に適応することができる。
論文 参考訳(メタデータ) (2023-05-31T09:28:03Z) - D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。
このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。
さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
論文 参考訳(メタデータ) (2023-03-01T10:38:10Z) - Discovering ordinary differential equations that govern time-series [65.07437364102931]
本研究では, 1つの観測解の時系列データから, スカラー自律常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを提案する。
提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たに観測された解の法則を推測することができる。
論文 参考訳(メタデータ) (2022-11-05T07:07:58Z) - No need for a grid: Adaptive fully-flexible gaussians for the
time-dependent Schr\"odinger equation [0.0]
複素ガウス函数の線型結合は、ある空間次元におけるシュル・オーディンガー方程式の解に対する非常に柔軟な表現であることが示されている。
このような波動関数の伝搬のための垂直線法(Rothe法)に基づくスキームを提案する。
これにより、ボルン-オッペンハイマー近似を超えた多原子分子に対する時間依存シュリンガー方程式の正確かつ安価な解法が導かれる。
論文 参考訳(メタデータ) (2022-07-01T08:54:41Z) - Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。
提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文 参考訳(メタデータ) (2022-05-18T17:11:23Z) - Automated differential equation solver based on the parametric
approximation optimization [77.34726150561087]
本稿では,最適化アルゴリズムを用いてパラメータ化近似を用いた解を求める手法を提案する。
アルゴリズムのパラメータを変更することなく、幅広い種類の方程式を自動で解くことができる。
論文 参考訳(メタデータ) (2022-05-11T10:06:47Z) - The Wigner Function of Ground State and One-Dimensional Numerics [0.0]
多体系の基底状態ウィグナー関数を理論的・数値的に検討する。
ウィグナー関数の固有値問題は系のエネルギー演算子に基づいて導出される。
一次元の場合、提案した固有値問題の解法として数値計算法が設計されている。
論文 参考訳(メタデータ) (2021-04-12T02:23:20Z) - Bernstein-Greene-Kruskal approach for the quantum Vlasov equation [91.3755431537592]
一次元定常量子ブラソフ方程式は、エネルギーを力学変数の1つとして分析する。
量子トンネル効果が小さい半古典的な場合、無限級数解が開発される。
論文 参考訳(メタデータ) (2021-02-18T20:55:04Z) - Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。
本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文 参考訳(メタデータ) (2020-12-09T20:19:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。